深度学习在图像处理中的应用（tensorflow2.4以及pytorch1.10实现）

本人在读研期间的研究方向是图像处理以及深度学习（主要是图像分类和目标检测）。在做深度学习时使用的是tensorflow深度学习框架，学习全是自学，很多资源都是在Github上找的。我发现现在Github上很多深度学习的开源项目都是用的tensorflow和pytorch框架。所以现在也开始学习pytorch框架，之前一直用的是tensorflow1.x版本，今年正好迎来了新的tensorlfow大版本2.x时代，所以本教程主要是以tensorflow2.4以及pytorch1.10搭建模型。

写这篇博文的目的嘛，首先是巩固自己之前学的知识，其次学习pytorch以及强化tensorflow的使用，最后也能分享自己的学习心得，我想应该能帮到大家少踩点坑。

教程目录，点击跳转相应视频（后期会根据学习内容增加）

• 图像分类
  • LeNet（已完成）
    • Pytorch官方demo(Lenet)
    • Tensorflow2官方demo
  • AlexNet（已完成）
    • AlexNet网络讲解
    • Pytorch搭建AlexNet
    • Tensorflow2搭建Alexnet
  • VggNet（已完成）
    • VggNet网络讲解
    • Pytorch搭建VGG网络
    • Tensorflow2搭建VGG网络
  • GoogLeNet（已完成）
    • GoogLeNet网络讲解
    • Pytorch搭建GoogLeNet网络
    • Tensorflow2搭建GoogLeNet网络
  • ResNet（已完成）
    • ResNet网络讲解
    • ResNeXt网络讲解
    • Pytorch搭建ResNet网络
    • Pytorch搭建ResNeXt网络
    • Tensorflow2搭建ResNet网络
  • MobileNet（已完成）
    • MobileNet_v1_v2网络讲解
    • MobileNet_v3网络讲解
    • Pytorch搭建MobileNetV2网络
    • Pytorch搭建MobileNetV3网络
    • Tensorflow2搭建MobileNetV2网络
    • Tensorflow2搭建MobileNetV3网络
  • ShuffleNet (已完成)
    • ShuffleNet_v1_v2网络讲解
    • 使用Pytorch搭建ShuffleNetv2
    • 使用Tensorflow2搭建ShuffleNetv2
  • EfficientNet（已完成）
    • EfficientNet网络讲解
    • 使用Pytorch搭建EfficientNet
    • 使用Tensorflow2搭建EfficientNet
  • EfficientNetv2(已完成)
    • EfficientNetV2网络讲解
    • 使用Pytorch搭建EfficientNetV2
    • 使用Tensorflow搭建EfficientNetV2
  • Vision Transformer(已完成)
    • Multi-Head Attention讲解
    • Vision Transformer网络讲解
    • 使用Pytorch搭建Vision Transformer
    • 使用tensorflow2搭建Vision Transformer
  • Swin Transformer(已完成)
    • Swin Transformer网络讲解
    • 使用Pytorch搭建Swin Transformer
    • 使用Tensorflow2搭建Swin Transformer
  • ConvNeXt(已完成)
    • ConvNeXt网络讲解
    • 使用Pytorch搭建ConvNeXt
    • 使用Tensorflow2搭建ConvNeXt
  • MobileViT(已完成)
    • MobileViT网络讲解
    • 使用Pytorch搭建MobileViT
• 目标检测篇
  • Faster-RCNN/FPN（已完成）
    • Faster-RCNN网络讲解
    • FPN网络讲解
    • Faster-RCNN源码解析(Pytorch)
  • SSD/RetinaNet (已完成)
    • SSD网络讲解
    • RetinaNet网络讲解
    • SSD源码解析(Pytorch)
  • YOLO Series (已完成)
    • YOLO系列网络讲解(V1~V3)
    • YOLOv3 SPP源码解析(Pytorch版)
    • YOLOV4网络讲解
    • YOLOV5网络讲解
    • YOLOX 网络讲解
  • FCOS（已完成）
    • FCOS网络讲解
• 语义分割
  • FCN (已完成)
    • FCN网络详解
    • FCN源码解析(Pytorch版)
  • DeepLabV3 (已完成)
    • DeepLabV1网络讲解
    • DeepLabV2网络讲解
    • DeepLabV3网络详解
    • DeepLabV3源码解析(Pytorch版)
  • LR-ASPP (已完成)
    • LR-ASPP网络讲解
    • LR-ASPP源码解析(Pytorch版)
  • U-Net (已完成)
    • U-Net网络讲解
    • U-Net源码解析(Pytorch版)
• 实例分割
  • Mask R-CNN（进行中）
    • Mask R-CNN网络讲解
    • Mask R-CNN源码解析(Pytorch版)
• 关键点检测
  • HRNet（进行中）
    • HRNet网络讲解
    • HRNet源码解析(Pytorch版)

所需环境

• Anaconda3（建议使用）
• python3.6 / 3.7
• pycharm (IDE)
• pytorch 1.10 (pip package)
• torchvision 0.11.1 (pip package)
• tensorflow 2.4 (pip package)

其实我看到网上也有些相关教程，但是我觉得有的主要是讲原理并不会带你去写代码，有的是直接从GitHub上clone些大牛的代码然后和大家讲怎么去用（我之前有看到一些老师clone git上的一些大牛代码然后教你怎么用，然后课程也很贵基本都是成百上千的，表示学生党看不起），我总感觉没能很好的融合在一起，可能是我没有找到好的资源吧，哈哈。所以我就想自己总结的同时也将所学的知识分享给大家。嗯~ o(￣▽￣)o，然后我想说我只是个普普通通的研究生而已（本科并不是计算机专业），很多知识都是靠研究生期间自学的并没有接受过系统的学习，有说的不对的地方还希望大家多多指教，我们共同学习。由于本人已经开始上班了，所以只能抽空余时间去准备要讲的课程，录视频以及剪辑视频，所以效率比较低，还请大家见谅。如果有什么问题，可以直接留言有空我会回复的。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/rgzn-ptkj/5005.html